标签:
Python3
最重要的一项改进之一就是解决了 Python2 中字符串与字符编码遗留下来的这个大坑。本文就和大家一起来扒一扒python3
是如何解决的字符编码问题,希望对大家学习python3有所帮助。
Python2 字符串设计上的一些缺陷:
· 使用 ASCII 码作为默认编码方式,对中文处理很不友好。
· 把字符串的牵强地分为 unicode 和 str 两种类型,误导开发者
当然这并不算 Bug,只要处理的时候多留心也可以避免这些坑。但在 Python3 两个问题都很好的解决了。
首先,Python3 把系统默认编码设置为 UTF-8
>>> import sys
>>> sys.getdefaultencoding()
’utf-8’
>>>
然后,文本字符和二进制数据区分得更清晰,分别用 str 和 bytes 表示。文本字符全部用 str 类型表示,str 能表示Unicode 字符集中所有字符,而二进制字节数据用一种全新的数据类型,用 bytes 来表示。
str
>>> a = "a">>> a’a’>>> type(a)
<class ’str’>
>>> b = "禅">>> b’禅’>>> type(b)
<class ’str’>
bytes
Python3 中,在字符引号前加‘b’,明确表示这是一个 bytes 类型的对象,实际上它就是一组二进制字节序列组成的数据,bytes 类型可以是 ASCII范围内的字符和其它十六进制形式的字符数据,但不能用中文等非ASCII字符表示。
>>> c = b’a’>>> c
b’a’>>> type(c)class ’bytes’>
>>> d = b’\xe7\xa6\x85’>>> d
b’\xe7\xa6\x85’>>> type(d)class ’bytes’>>>>
>>> e = b’禅’
File "", line 1SyntaxError: bytes can only contain ASCII literal characters.
bytes 类型提供的操作和 str 一样,支持分片、索引、基本数值运算等操作。但是 str 与 bytes 类型的数据不能执行 +操作,尽管在py2中是可行的。
>>> c = b’a’>>> c
b’a’>>> type(c)
<class ’bytes’>
>>> d = b’\xe7\xa6\x85’>>> d
b’\xe7\xa6\x85’>>> type(d)
<class ’bytes’>>>>
>>> e = b’禅’
File "", line 1SyntaxError: bytes can only contain ASCII literal characters.
python2 与 python3 字节与字符的对应关系
encode 与 decode
str 与 bytes 之间的转换可以用 encode 和从decode 方法。
encode 负责字符到字节的编码转换。默认使用 UTF-8 编码准换。
>>> s = "Python之禅"
>>> s.encode()
b’Python\xe4\xb9\x8b\xe7\xa6\x85’
>>> s.encode("gbk")
b’Python\xd6\xae\xec\xf8’
decode 负责字节到字符的解码转换,通用使用 UTF-8 编码格式进行转换。
>>> b’Python\xe4\xb9\x8b\xe7\xa6\x85’.decode()
’Python之禅’
>>> b’Python\xd6\xae\xec\xf8’.decode("gbk")
’Python之禅’
来源:伯乐在线
Python3 是如何解决棘手的字符编码问题的?
标签: